一、安裝ddt
pip install ddt

二、資料驅動和程式碼驅動
資料驅動：根據你提供的資料來進行測試，比如介面自動化測試框架ATP
程式碼驅動：必須得寫程式碼才能測試，比如unittest

三、使用資料驅動框架的好處
--程式碼複用率高，同一測試邏輯編寫一次，可以被多條測試資料複用，提高了測試程式碼的複用率，同時可以提高測試指令碼的編寫效率
--異常排查效率高，測試框架依據測試資料，每條資料生成一條測試用例，用例執行過程相互隔離，在其中一條失敗的情況下，不會影響其他的測試用例
--程式碼的可維護性高，清晰的測試框架，利於其他測試工程師閱讀，提高了程式碼的可維護性

四、DDT的使用
DDT包含類的裝飾器ddt和兩個方法裝飾器data（直接輸入測試資料），file_data（可以從json或yaml檔案中獲取測試資料）
只有以yaml 和yml結尾的檔案是以yaml的形式上傳測試資料，其他情況預設為json
通常情況下，data中的資料按照一個引數傳遞給測試資料，如果data中包含多個數據，是以元祖、列表、字典等資料型別，需要自行在指令碼中對資料進行分解或者使用unpack分解資料
@data（a,b）

@data（[a,b],[c,d]）
如果沒有用unpack解析，則[a,b]會被當成一個引數傳入用例中執行
如果有用unpack解析，則[a,b]中a和b會被分解開，按照兩個引數傳入用例中執行

@file_data(filename)
對於json檔案，每一個json元素按照一條測試用例執行，可以依據python分解元祖、列表或字典的方式分解傳入

import ddt
import unittest

@ddt.ddt
class MyCase(unittest.TestCase):
    @ddt.data(1,2)  #執行2次
    def testa(self,value):
        
 
print(value)

    @ddt.data([1,2]) #執行1次
    def testb(self,value):
        print(value)

    @ddt.data([1,2],[3,4]) #不加unpack 會報錯
    def testc(self,a,b):
        self.assertNotEqual(a,b)

    @ddt.data([1,2],[3,4]) #執行2次
    @ddt.unpack
    def testd(self,a,b):
        self.assertNotEqual(a,b)

if
 
 __name__ == '__main__':
    unittest.main()